数字图像处理 作业1
数字图像处理大作业
1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。
解：步骤与思路：○1.进行模糊处理，消除噪声○2.边缘检测，进行图像增强处理○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。
○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距I=imread('xz mjt.bmp');I1=medfilt2(I); %对图像中值滤波imshow(I1);[m,n]=size(I1);for i=1:mfor j=1:nif(I1(i,j)<100) %阈值为100I1(i,j)=255;elseI1(i,j)=0; %进行二值化endendendfigure;imshow(I1);Y1=zeros(1,25);y2=y1;c=y2;i=100;for j=1:1200if (I1(i,j)==255&&I1(i,j+1)==0)Y1=j+1;endif (I1(i,j)==0&&I1(i,j+1)==255)Y2=j;endendfor i=1:25c=Y2(i)-Y1(i)endc %找出每两个条纹之间的距离2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。
3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。
各种算子对图像进行边缘检测效果的研究图像分割是根据需要将图像划分为有意义的若干区域或部分的图像处理技术。
通过边缘检测在Matlab中实现方法，及用四叉数分解函数进行区域分割的方法，掌握了Matlab区域操作函数的使用和图像分析和理解的基本方法,并学到了'roberts','sobel','prewitt','canny','log'算子对图像进行边缘检测的不同效果。
数字图像处理 第一章 导论 课后作业
数字图像处理第一章导论一．名词解释1.图像：图像是对客观对象的一种相似性的、生动性的描述或写真。
或者说图像是对客观对象的一种不完全、不精确但适当地表示。
2.数字图像：数字图像是一种空间坐标和灰度均不连续的、用离散数字（一般用整数、即0、1代码）表示的图像。
3.灰度图像：Gray scale灰度是指在数字图像中所有可能灰度级的集合。
数字图像中各个像素所具有的明暗程度由灰度值(gray level)所标识。
一般将白色的灰度值定义为255，黑色灰度值定义为0，而由黑到白之间的明暗度均匀地划分为256个等级。
由此构成灰度图像。
另外，数字图像在计算机上以位图(bitmap)的形式存在,位图是一个矩形点阵，其中每一点称为像素(pixel)，像素是数字图像中的基本单位。
一幅m×n大小的图像，是由m×n个明暗度不等的像素组成的。
对于黑白图像，每个像素用一个字节数据来表示，而在彩色图像中，每个像素需用三个字节数据来表述二．问答1.数字图像处理包括哪几个层次？各层次之间有何区别和联系？答：数字图像处理层次：①狭义的图像处理；②图像识别与分析；③图像理解。
区别：狭义的图像处理:主要在图像像素级上进行的，是低级处理，处理的数据量非常大，输入输出均为图像，是图像—图像的过程，如图像缩放、图像平滑、对比度增强；图像识别与分析:通过分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式的描述，是中级处理，输入图像，输出提取的特征，是图像—数值或符号的过程，如区域分割、边界检测；图像理解:根据较抽象的描述进行解析、判断、决策，其处理过程和方法与人类的思维推理有许多类似之处，是高级处理，输入为图像，输出为规则，是图像—描述及解释的过程，如无人驾驶，自动机器人、模式识别。
联系：随着抽象程度的提高，数据量是逐渐减少的。
具体说来，原始图像数据经过一系列的处理过程，逐步转化为更有组织和用途的信息。
在这个过程中，语义不断引入，操作对象也逐步发生变化。
《数字图像处理》期末大作业(1)
《数字图像处理》期末大作业大作业题目及要求：一、题目：本门课程的考核以作品形式进行。
作品必须用Matlab完成。
并提交相关文档。
二、作品要求：1、用Matlab设计实现图形化界面，调用后台函数完成设计，函数可以调用Matlab工具箱中的函数，也可以自己编写函数。
设计完成后，点击GUI图形界面上的菜单或者按钮，进行必要的交互式操作后，最终能显示运行结果。
2、要求实现以下功能：每个功能的演示窗口标题必须体现完成该功能的小组成员的学号和姓名。
1）对于打开的图像可以显示其灰度直方图，实现直方图均衡化。
2）实现灰度图像的对比度增强，要求实现线性变换和非线性变换（包括对数变换和指数变换）。
3）实现图像的缩放变换、旋转变换等。
4）图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理。
5）采用robert算子，prewitt算子，sobel算子，拉普拉斯算子对图像进行边缘提取。
6）读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标。
3、认真完成期末大作业报告的撰写，对各个算法的原理和实验结果务必进行仔细分析讨论。
报告采用A4纸打印并装订成册。
附录：报告模板《数字图像处理》期末大作业班级：计算机小组编号：第9组组长：王迪小组成员：吴佳达浙江万里学院计算机与信息学院2014年12月目录（自动生成）1 绘制灰度直方图，实现直方图均衡化 (5)1.1 算法原理 (5)1.2 算法设计 (5)1.3 实验结果及对比分析 (5)2 灰度图像的对比度增强 (5)2.1 算法原理 (5)2.2 算法设计 (5)2.3 实验结果及分析 (5)3 图像的几何变换 (5)3.1 算法原理 (5)3.2 算法设计 (5)3.3 实验结果及分析 (5)4 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理 (5)4.1 算法原理 (5)4.2 算法设计 (6)4.3 实验结果及分析 (6)5 采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取 (6)5.1 算法原理 (6)5.2 算法设计 (6)5.3 实验结果及分析 (6)6 读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标 (6)6.1 算法原理 (6)6.2 算法设计 (6)6.3 实验结果及分析 (6)7 小结（感受和体会） (6)1 绘制灰度直方图，实现直方图均衡化1.1 算法原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
数字图像处理基础作业
1.图像均值化2.图像的Gauss低通和Gauss高通3.对图像进行Gamma变化4.DCT变换，加上量化在反量化，和IDCT这四个题目，如果是对一些进行图像处理的程序员来讲或者很简单，但是我基本不接触图像处理这个方面的(虽然我头上挂着这个牌子)，基本原理不同，很难写程序。
不过幸好我同学是搞这个方面的，而且他的讲解能让我很快的知道我应该怎么去处理这个图像，而且通过网络的搜索，我发现wiki上的讲解真的相当的精准阿...不带让人纠结的数学公式，也不会长篇大论，有的就是通俗易懂的步骤和例子。
让人很快能知道我应该怎么都作就能完成这个效果的处理。
这是我一直很喜欢使用wiki的原因，推荐推荐阿....对于这个作业我本打算以最大的速度做完的，也不想真的去对原理进行真正的了解！所以只要知道怎么去做就可以了。
突然想到了那几天前我好像也学习QT,所以想连着这个一起作一次练习。
qt一个gui做的不错的库！而且简单的很...既然使用了QT那就要求我使用C++来写这个程序，C++这个语言，很久很久没使用了，主要是觉得自己对C++好像很陌生了，或者可以说是对面向对象这个思想的陌生。
关于这点，我也很想提出我的一点点想法。
虽然很早就开始使用面向对象去编程，可是好像自己一直没有入门面向对象这种思想。
使用C++的过程好像是将C++当成C来使用，很少很少说一定要使用到类，继承，多态这种特性。
看了很多书说，要学好C++就要放弃一些东西，把面向对象的这些东西学好。
可是面向对象到底是一种什么样的思想呢，有的时候很想用面向对象的思想去写程序，可是有时候却发现自己好像是为了面向对象而面向对象...好似纠结....应该是我经历的还不够吧。
关于这个作业，我最想讲的两个方面是：1.qt中的QImage这个对象，为了能让内存高效的访问，qt通过空间去换取时间的方法来提升效率。
让每一行都能被4B整除，这就是让qt本身会对每一行进行填充的过程，所以将一个一维的图像数据的转换为QImage是一个要小心的过程。
数字图像处理习题集1(1~2章)
数字图像处理习题一．选择题1．二维图像可用二维函数)xf表示，下列说法正确地是（ a ）(y,（A）)f表示点),(yx,(yx的灰度值；（B）对于模拟图像来讲，)xf是离散函数；(y,（C） x，y不是平面的二维坐标；（D）以上说法都不正确。
2．用于可见光和红外线成像的采集设备中，应用最广泛的是（ d ）(A) 显微密度计；（B）析像管；(C) 视像管；(D) 固态阵。
3．一幅图像在采样时，行、列的采样点与量化级数 (a )(A) 既影响数字图像的质量，也影响到该数字图像数据量的大小。
(B) 不影响数字图像的质量，只影响到该数字图像数据量的大小。
(C) 只影响数字图像的质量，不影响到该数字图像数据量的大小。
(D) 既不影响数字图像的质量，也不影响到数字图像数据量的大小。
4．一幅数字图像是（b ）（A）一个观测系统； (B) 一个由许多像素排列而成的实体；(C)一个2-D数组中的元素；(D) 一个3-D空间中的场景。
5．下面哪个色彩空间最接近人的视觉系统的特点（ d ）(A)RGB空间 (B)CMY空间 (C)CMYK空间 (D)HSI空间6．一幅1024x1024彩色图像，数据量约为（字节）：（ c ）（A）1M (B) 2M (C) 3M (D) 4M7．下列设备中哪项属于图像存储设备（ a ）（A）组合光盘；（B）激光打印机；（C）扫描仪；（D）视像管。
8．以下图像技术中哪个属于图像处理技术（ c ）（A）图像检索；（B）图像合成；（C）图像增强；（D）图像分类。
9．一幅128128 ，64个灰度级的图像，则存储它所需bit数为（ a ）（A） 96k；(B) 192k；(C) 1M；(D) 2M。
10．从连续图像到数字图像需要（ d ）（A）图像灰度级设定； (B) 图像分辨率设定；(C)确定图像的存储空间； (D) 采样和量化。
11．在BMP格式、GIF格式、TIFF格式和JPEG格式中（ a ）（A）为表示同一幅图像，BMP格式使用的数据量最多；（B） GIF格式独立于操作系统；（C）每种格式都有文件头，其中TIFF格式的最复杂；（D）一个JPEG格式的数据文件中可存放多幅图像。
硕士研究生《数字图像处理》作业
研究生《数字图像处理》考试1. 编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。
● 图像频域降噪的实验原理与算法分析：图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分，因此能降低高频成分幅度的滤波器就能减弱噪声的影响，由卷积定理，在频域实现低通滤波的数学表达式：),(),(),(v u F v u H v u G =1. 理想低通滤波器（ILPF ）0),(),(01),(D v u D D v u D v u H >≤⎩⎨⎧=2. 巴特沃斯低通滤波器（BLPF ） nD v u D v u H 20),()12(11),(⎥⎦⎤⎢⎣⎡-+=3. 指数型低通滤波器（ELPF ） 2),(0),(nD v u D ev u H ⎥⎦⎤⎢⎣⎡-=● 图像频域降噪的实验过程： 1. 理想低通滤波器程序I=imread('xpy.jpg'); f=double(I); g=fft2(f); g=fftshift(g); [M,N]=size(g); d0=100;m=fix(M/2);n=fix(N/2); for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2); if(d<=d0) h=1; else h=0; endresult(i,j)=h*g(i,j);endend>> result=ifftshift(result);>> J1=ifft2(result);>> J2=uint8(real(J1));>> imshow(J2)2.巴特沃斯低通滤波器程序I=imread('xpy.jpg');f=double(I);g=fft2(f);g=fftshift(g);[M,N]=size(g);nn=2;d0=30;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));imshow(J2)3.高斯低通滤波器程序I=imread('xpy.jpg');f=double(I);g=fft2(f);g=fftshift(g);[M,N]=size(g);d0=100;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=exp(-(d.^2)./(2*(d0^2)));result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));imshow(J2)图像频域降噪的实验结果分析与讨论下面是理想低通滤波器、巴特沃斯低通滤波器、高斯低通滤波器的滤波效果分析与讨论。
数字图像处理习题(1)
一、判断题（10分）（正确√，错误×）1.图像处理就是对图像信息进行加工处理，以满足人的视觉心理和实际应用的要求（√）2.在MATLAB中，uint8是无符号8位整数（√）3.在MATLAB中，uint16是无符号16位整数（√）4.图像的点运算与代数运算不相同（√）5.点运算也叫灰度级变换（√）6.线性点运算可以改变数字图像的对比度（√）7.图像的几何变换也叫图像的点运算（×）8.图像的平滑操作实际上是邻域操作（√）9.傅立叶变换后的矩阵处在频域上（√）10.傅立叶变换后的矩阵处在空域上（×）11.傅立叶变换，人们可以在空域和频域中同时思考问题（√）12.像素深度是指存储每个像素所用的位数（√）13.图像经过变换后，图像的大部分能量都集中在中、高频段（×）14.图像经过变换后，图像的大部分能量都集中在低频段（√）15.直方图均衡化也是一种非线性点运算（√）16.仿射变换是空间变换（√）17.空间变换是频域变换（×）18.边缘检测是将边缘像元标识出来的一种图像分割技术（√）19.灰度直方图能反映一幅图像各灰度级像元占图像的面积比（√）20.直方图均衡是一种点运算，图像的二值化则是一种局部运算（×）21.双边滤波法可用于边缘增强（×）22.均值平滑滤波器可用于锐化图像边缘（×）23.拉普拉斯算子可用于图像的平滑处理（×）24.高频加强滤波器可以有效增强图像边缘和灰度平滑区的对比度（√）25.应用傅立叶变换的可分离性可以将图像的二维变换分解为行和列方向的一维变换（√）26.图像分割可以依据图像的灰度、颜色、纹理等特性来进行（√）27.图像增强有空域和变换域两类（√）28.加大、减小对比度分别会使图像发生亮处更亮，暗处更暗的直观变化（√）29.加大、减小亮度分别会使图像发生亮处更亮，暗处更暗的直观变化（×）30.二值图像就是只有黑白两个灰度级（√）31.一般来说，图像采样间距越大，图像数据量越大，质量越好；反之亦然（×）32.用Matlab开辟一个图像窗口的命令是imshow（×）33.图像尺寸为400*300是指图像的宽为400毫米，高为300毫米（×）34.一般而言，对于椒盐噪声，均值滤波的效果好于中值滤波（×）35.与高斯低通滤波器相比，理想低通滤波低通滤波器在图像处理过程中更容易出现振铃(rings)（√）二、填空题（20分，1分/空）1.一般来说，图像采样间距越小，图像数据量_____，质量_____；反之亦然（大，高）2.若采样4个数，大小分别为4.56 0.23 7.94 16.55。
数字图像处理 Matlab版 作业1
%A、B 是作为图片的变量
>> B1=imread('image2-10.jpg'); >> MSE=sum((A(:)-B1(:)).^2)/(M*N) MSE = 31.3642
>> B2=imread('image2-20.jpg'); MSE=sum((A(:)-B2(:)).^2)/(M*N) MSE = 20.3310
K20=imfinfo('image2-20.jpg'); >> image_byte_20=K20.Width*K20.Height*K20.BitDepth/8; >> CMP_bytes=K20.FileSize; >> CMP_R20=image_byte_20/CMP_bytes CMP_R20 = 16.9368
>>y1=[SNR0,SNR10,SNR20,SNR30,SNR40,SNR50]; y2=[MSE0,MSE1,MSE2,MSE3,MSE4,MSE5]; x=[0,10,20,30,40,50]; plot(x,y1,x,y2) >> y1=[SNR0,SNR10,SNR20,SNR30,SNR40,SNR50]; y2=[MSE0,MSE1,MSE2,MSE3,MSE4,MSE5]; x=[0,10,20,30,40,50]; plot(x,y1,x,y2)
>> K50=imfinfo('image2-50.jpg'); image_byte_50=K50.Width*K50.Height*K50.BitDepth/8; CMP_bytes=K50.FileSize; CMP_R50=image_byte_50/CMP_bytes CMP_R50 = 10.6149 %绘图 1
数字图像处理上机作业一.
数字图像处理上机作业一1.设计一个程序，绘制出一幅灰度图象的直方图。
Solution：代码及代码的说明：%作用：返回灰度矩阵a，并画出直方图function a=zhifangtu(x) % x为要分析的图像名加单引号I=imread(x);b=size(I);a=zeros(1,256); % a为一个1*256的矩阵分别记录灰度为0到255的像%的个数for m=1:b(1) %两个for语句将整张图的所有像素都扫描一遍for n=1:b(2)a(I(m,n)+1)= a(I(m,n)+1)+1; %将灰度为I(m,n)的像素个数存储在%a(I(m,n)+1)中,因为matlab里没有%a(0)endendn=0:255;bar(n,a);%画出直方图s=sum(a) %查看直方图的总的面积等于这张图的总像素值实验结果及分析：在命令窗口中输入zhifangtu('Lenna.bmp')返回s =262144，以及灰度矩阵a，同时有如下直方图输出：分析及结论：在命令窗口中用size命令可查知Lenna.bmp是512*512的，返回的s =262144恰等于512*512，说明所编的直方图的程序恰将所有的像素点都统计了，直方图的总面积等于像素总数。
直方图的作用也就是将一张图中不同灰度值对应像素数的一个统计。
在这个程序的编写中应注意a(I(m,n)+1)= a(I(m,n)+1)+1 不能写成a(I(m,n))= a(I(m,n))+1 ，应为在matlab中矩阵表示没有a(0),若某个像素点的灰度值是0，就会出错，故应写成a(I(m,n)+1)= a(I(m,n)+1)+1形式。
2.对同一场景但模糊程度不一样的三张数字图像绘制出其直方图, 计算每一幅图象所有像素灰度的方差。
图象的清晰度同灰度方差什么关系?Solution：代码及代码的说明：%作用：绘出模糊程度不一样的三张数字图像的直方图，并输出各自灰度方差I1=imread('tu1.bmp');I1=rgb2gray(I1); %转换为灰度图像imwrite(I1,'tu0.bmp'); %由于直方图只能对灰度图作用，故先将其转为灰度图subplot(2,2,1);zhifangtu('tu0.bmp');title('tu1直方图'); %绘出tu1.bmp的直方图k1=size(I1);I1=single(I1);I1=(I1-mean(mean(I1)')).^2; %个像素灰度值减去平均灰%值后再平方t1=sum(sum(I1)')/k1(1)/k1(2), %输出tu1.bmp的所有像素灰度的方差subplot(2,2,2);zhifangtu('tu2.bmp');title('tu2直方图'); %绘出tu2.bmp的直方图I2=imread('tu2.bmp');k2=size(I2);I2=single(I2);I2=(I2-mean(mean(I2)')).^2; %个像素灰度值减去平均灰度值后再%平方t2=sum(sum(I2)')/k2(1)/k2(2), %输出tu2.bmp的所有像素灰度的方差subplot(2,2,3);zhifangtu('tu3.bmp');title('tu3直方图'); %绘出tu3.bmp的直方图I3=imread('tu3.bmp');k3=size(I3);I3=single(I3);I3=(I3-mean(mean(I3)')).^2; %个像素灰度值减去平均灰度值%后再平方t3=sum(sum(I3)')/k3(1)/k3(2), %输出tu3.bmp的所有像素灰度的方差figure;subplot(2,2,1);imshow('tu1.bmp');title('tu1图'); %绘出tu1.bmp的图subplot(2,2,2);imshow('tu2.bmp');title('tu2图'); %绘出tu1.bmp的图subplot(2,2,3);imshow('tu3.bmp');title('tu3图'); %绘出tu1.bmp的图实验结果及分析：上述代码执行后，输出t1 = 7.3027e+003，t2= 6.5808e+003，t3=5.4860e+003；同时输出如下直方图：原始图：分析及结论：tu1，tu2，tu3三幅图是依次变模糊的，三张图的所有像素灰度方差依次为t1 = t1 = 7.3027e+003，t2= 6.5808e+003，t3=5.4860e+003，它们是依次变小的，可知图象的清晰度随灰度方差的变小而变得模糊。
数字图像处理作业
DISP11、说明图象数字化与图象空间分辨率之间的关系。
答：图像数字化包括两个过程：采样和量化。
而图像的空间分辨率是在图像采样过程中选择和产生的。
空间分辨率用来衡量数字图像对模拟图像空间坐标数字化的精度。
2、说明图象数字化与图象灰度分辨率之间的关系。
答：图像数字化包括两个过程：采样和量化。
而图像灰度分辨率是在图像量化过程中选择和产生的。
灰度分辨率是只对应同一模拟图像的亮度分布进行量化操作所采用的不同量化级数，也就是说可以用不同的灰度级数来表示同一图像的灰度分布。
3、看图说明伪彩色图象采集卡的工作原理，并说明LUT的原理和作用。
答：模拟图像数据由摄像头采集后，经A/D转换器处理，转化成数字信号，传给帧处理器经过其处理后，然后查询LUT表，经过D/A转换器输出RGB三色。
LUT(显示查找表)实际上就是一张像素灰度值的映射表，它将实际采样到的像素灰度值经过一定的变换，变成了另外一个与之对应的灰度值，这样可以很容易根据需求得到相应的颜色，它的优点在于易于调整、起到突出图像的有用信息、增强图像的光对比度的作用。
DISP21、粗略画出下列图象的傅立叶变换图象：变换后的图像如下：（从左至右）2、证明付里叶变换的可分离性及快速算法可行性。
答：可分离性：对于二维傅里叶变换，若把y看成一个常数，则可得到沿x方向的u=0,1,……，N－1的一维傅里叶变换，再将y看成一个变量，x不变，则可得到y方向上v=0,1,……，N－1的一维傅里叶变换，因此二维傅里叶变换可分离。
快速算法可行性：假设N是2的L次方，对于有N个点的傅里叶变换，需要完成N*N次复数乘法和N*(N－1)次复数加法，而对于快速算法，则有(N/2)*L个蝶形算法，因此运算量为(N/2)*㏒2N个复乘和N㏒2N个复加，在N较大时，计算量比DFT少很多。
证明:可分离性:F(u,v)=(1/N)∑∑f(x,y)exp[-j2π(ux+vy)/N]其变换核g(x,y,u,v)= exp[-j2π(ux+vy)/N]= exp(-j2πux/N)*exp(-j2πvy/N)所以，F(u,v)=(1/N)∑{[∑f(x,y)exp(-j2πux/N)]exp(-j2πvy/N)}这相当于先对x进行傅里叶变换，再对y进行傅里叶变换，可分离性证毕。
数字图像处理作业
2017暑假小学期数字图像处理I专业班级姓名学号摘要：数字图像处理的目的是改善图片质量，利用MATLAB设计几个简单的图像处理程序。
该程序具备图像处理的日常功能：图像代数与几何运算；直方图与图像明暗关系分析、直方图均衡化；滤波器的使用与图像分割技术。
通过运行代码解释结合图像效果，分别介绍了处理原理与过程。
关键字：MATLAB 数字图像处理图像分割Abstract：The aim of digital image processing is to improve the quality of images, and several simple image processing programs are designed by using MATLAB. The program has the day-to-day functions of image processing: image algebra and geometric operations, histogram and image analysis of light and shade, histogram equalization, the use of filters and image segmentation techniques.Through the operation code interpretation and image effects, the processing principle and process are introduced respectively.Key words: MATLAB, digital image processing, image segmentation目录1 导言．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12 图像代数运算．．．．．．．．．．．．．．．．．．．．．．．．．12.1 加法运算．．．．．．．．．．．．．．．．．．．．．．．．．．22.2 减法运算．．．．．．．．．．．．．．．．．．．．．．．．．32.3 乘法运算．．．．．．．．．．．．．．．．．．．．．．．．．．．32.4除法运算．．．．．．．．．．．．．．．．．．．．．．．．．．．．43 图像几何变换．．．．．．．．．．．．．．．．．．．．．．．43.1 图像的差值．．．．．．．．．．．．．．．．．．．．．．．．．53.2 图像的平移．．．．．．．．．．．．．．．．．．．．．．．．．．63.3 图像的缩放．．．．．．．．．．．．．．．．．．．．．73.4 图像的旋转．．．．．．．．．．．．．．．．．．．．．．．83.5 图像的镜像．．．．．．．．．．．．．．．．．．．．．．．．93.6 图像的剪裁．．．．．．．．．．．．．．．．．．．．．．．．．．．．．104 直方图及其与图像明暗关系分析、直方图均衡化．．．．．．．．．．．．．10 4.1直方图及其与图像明暗关系分析．．．．．．．．．．．．．．．．．．．．．114.2直方图及其与图像明暗关系分析．．．．．．．．．．．．．．．．．．．．．135 图像平均滤波．．．．．．．．．．．．．．．．．．．．．．．．．．．．14 5.1十字型模版．．．．．．．．．．．．．．．．．．．．．．．．．．．．155.2 3*3型模版．．．．．．．．．．．．．．．．．．．．．．．．．．．．166 图像中值滤波．．．．．．．．．．．．．．．．．．．．．．．．．．．．177 图像边缘检测．．．．．．．．．．．．．．．．．．．．．．．．．．．．187.1梯度算子．．．．．．．．．．．．．．．．．．．．．．．．．．．．198 图像切割．．．．．．．．．．．．．．．．．．．．．．．．．．．．20结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．27参考文献．．．．．．．．．．．．．．．．．．．．．．．．．．27附录1：小学期总结．．．．．．．．．．．．．．．．．．．27致谢．．．．．．．．．．．．．．．．．．．．．．．．．．．．．281 引言数字图像处理（Digital Image Processing）是指应用计算机来合成、变换已有的数字图像，从而产生一种新的效果，并把加工处理后的图像重新输出，这个过程称为数字图像处理。
数字图像处理作业题
数字图像处理作业题1.设一幅图像大小为M×N，灰度级为256，试求图像的数据量。
解：灰度级为256，则每个像素点占8位则图像总共有8×M×N bit，即M×N字节2.什么是直方图？直方图有哪些基本性质？直方图阈值的含义是什么？从图像直方图能够获得图像的哪些信息？答：直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数，其横坐标是灰度级，纵坐标是该灰度出现的频率，即等于该灰度的像素的个数与总像素之比。
直方图的性质：（1）直方图只包含一幅图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。
（2）图像与直方图之间是多对一的映射关系。
（3）如果一幅图像由多个不连续的区域组成，并且每个区域的直方图已知，则整幅图的直方图是这些区域的直方图之和。
直方图阈值是指直方图中像素数目相对较少，可以用于分割图像中背景与目标的灰度级对应的数值。
直方图反映了一幅图像中的灰度级与出现这种灰度的概率之间的关系，展现了图像最基本的统计特征，同时，通过直方图可以获得图像的灰度阈值和综合光密度等信息。
3.用Laplacian-4算子求出课本P54 3.5中图像的边缘图像，并确定图像二值化的阈值（边缘点数不超过总像素数的10%）解题思路：（1）根据Laplacian-4算子模板求出原图像的边缘图像，即图像中的每个像素点对应的边缘图像的灰度值为原图像中上、下、左、右四个方向的像素点的灰度值之和减去该像素点的灰度值的4倍再取绝对值。
（2）原图像矩阵中位于边缘的像素点在边缘图像矩阵中直接置为1（因为利用Laplacian-4算子计算时，这些点四个方向不齐）（3）画出边缘图像的灰度直方图，得出边缘图像中概率小于等于10%的灰度值即为二值化的阈值T4.课本P67 4.7参考课本P60-61例题4.15.一幅图像共有8个灰度级，每一灰度级概率分布如下表所示，要求对其进行直方图均衡化处理，并画出均衡化后的图像的直方图。
数字图像处理作业答案
1 大作业题目1.问答题1.1连续图像f(x.y)和数字图像I(r,c)中各分量的含义是什么？他们有什么联系和区别？取值范围在什么范围？答：f(x,y)表示二维图像在空间XY中一个坐标点的位置（实际图像的尺寸是有限的，所以x和y的取值也是有限的），即f(x，y)中的x，y分别代表一个点连续图像中的x轴和y轴的坐标，而f则代表图像在点（x,y）的某种性质F的数值（实际图像中各个位置上所具有的性质F的取值也是有限的，所以F得取值也是有限的）。
F,x,y的值可以是任意实数。
图像在点（x,y）也可以有多重性质，此时可用矢量f来表示。
数字图像I（r，c）表示位于图像矩阵上第r行，第c列的元素幅值。
其中I,c,r的值都是整数。
I(r，c)是通过对f(x，y)抽样和量化得来的，f(x，y)各量是连续的，I(r，c)各量是离散的，这里的I代表离散化后的f,(r，c)代表离散化后的（x,y），r，c分别有连续图像中的x，y分别采样得到的；x，y可以取所有的非负数，r，c可以取所有的非负整数。
1.2 发光强度及亮度、照度各有什么不同？答：1）发光强度，单位坎德拉，即cd。
定义：光源在给定方向的单位立体角中发射的光通量定义为光源在该方向的发光强度。
解释：发光强度是针对点光源而言的，或者发光体的大小与照射距离相比比较小的场合。
这个量是表明发光体在空间发射的会聚能力的。
可以说，发光强度就是描述了光源到底有多“亮”，因为它是光功率与会聚能力的一个共同的描述。
发光强度越大，光源看起来就越亮，同时在相同条件下被该光源照射后的物体也就越亮，因此，早些时候描述手电都用这个参数。
常见光源发光强度：太阳，2.8E27cd，高亮手电，10000cd，5mm超高亮LED，15cd。
2）亮度，单位尼特，即nt。
定义：单位光源面积在法线方向上，单位立体角内所发出的光流。
解释：这个是最容易被误解的概念了。
亮度是针对光源而言，而且不是对点光源，是对面光源而言的。
数字图像处理作业1
数字图像处理作业1《数字图像处理》2018/9/30作业1.根据个人理解给出灰度图像、比特深度、图像分辨率、图像直方图这几个基本概念内涵。
（1）灰度图像：灰度图像通常有传统单通道灰度和三通道灰度图像之分；传统单通道灰度图：每个像素只采样一种颜色，如果每个采样像素为8bit，那么生成的图像就是颜色从0黑色到256白色不同灰度的图像。
三通道灰度图像：在图像处理中，用RGB三个通道表示真彩色，RGB 取值范围均为0~255。
而RGB灰度图像就是RGB彩色分量相等，我们将彩色图像转换成灰度图像，也就是3个通道（RGB）转换成1个通道。
二值图像是特殊的灰度图，它只有两个值：0表示黑，1表示白，每个像素只需要1bit存储信息。
对于同一张图片，有N个像素，那么，二值图有2的N次方种变化，而8位灰度图有255的N次方种变化，8为三通道RGB图像有255*255*255的N次方种变化。
同样尺寸的图像，保存的信息：二值图<传统单通道灰度图<三通道灰度图像。
图片大小：二值图<传统单通道灰度图<三通道灰度图像。
在Photoshop中查看任何灰度图像，无论是单通道灰度，还是已经转换为三通道RGB，它看起来都是一样的。
这是因为Photoshop 是有颜色管理的，并且知道如何呈现两种不同的格式。
（图1：PS中RGB转化为灰度图）（图2：灰度图）·将彩色图像转换成灰度图像Matlab实现：图像灰度化的算法主要有以下3种：1)最大值法：使转化后的R，G，B得值等于转化前3个值中最大的一个，即：R=G=B=max（R，G，B）这种方法转换的灰度图亮度很高。
2)平均值法：是转化后R，G，B的值为转化前R,G,B的平均值。
即：R=G=B=(R+G+B)/3这种方法产生的灰度图像比较柔和。
3)加权平均值法：按照一定权值，对R，G，B的值加权平均。
由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此使将得到较易识别的灰度图像，因此这样得到的灰度图像效果最好。
数字图像处理平时作业1
1.题目：实现一个直方图均衡化的程序（可以用你熟悉的任何语言）首先将一幅256级灰度图像（比如Lena，可从网上得到）通过灰度变换，将灰度范围压缩到64到192之间，再采用直方图均衡化程序处理，给出处理结果。
2.源程序：close all %关闭打开了的所有图形窗口clc %清屏命令clear %清除工作空间中所有变量%一，图像的预处理，读入彩色图像将其灰度化PS=imread('E:\Lena.bmp');%读入bmp图像文件%二，绘制直方图[m,n]=size(PS); %测量图像尺寸参数GP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GP(k+1)=length(find(PS==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置end%三，灰度压缩S1=zeros(1,256);sum=0;for i=1:256if(i>=64&&i<=192)S1(i)=255*GP(i)/128-255*64/128/(m*n);endend%四，直方图均衡化S2=zeros(1,256);for i=1:256for j=1:iS2(i)=S1(j)+S2(i);endendS3=zeros(1,256);for i=1:256S3(i)=floor((S2(i)*255)+0.5); %将Sk归到相近级的灰度endd=zeros(size(PS));for i=1:mfor j=1:nd(i,j)=S3(PS(i,j)+1);endendd=uint8(d);ZK=zeros(1,256);x=0;for k=0:255ZK(k+1)=length(find(d==k))/(m*n);%计算每级灰度出现的概率，将其存入GP 中相应位置endimwrite(d,'E:\PicEqual.bmp');figure(1);subplot(1,2,1);imshow(PS); %显示出来灰度图像title('原图像');subplot(1,2,2);imshow(d);title('均衡化后的图像');figure(2);subplot(2,1,1);bar(0:255,GP);%绘制直方图title('原图像直方图');xlabel('灰度值');ylabel('每级灰度出现概率');subplot(2,1,2);bar(0:255,S1);title('压缩后图像直方图');xlabel('灰度值');ylabel('每级灰度出现概率');figure(3);bar(0:255,ZK);title('均衡化后图像直方图');xlabel('灰度值');ylabel('每级灰度出现概率');3 仿真结果-5005010015020025030000.0050.010.015原图像直方图灰度值每级灰度出现概率-5005010015020025030000.010.020.03压缩后图像直方图灰度值每级灰度出现概率-5005010015020025030000.050.10.150.20.250.30.35均衡化后图像直方图灰度值每级灰度出现概率。
电子科技大学14秋《数字图像处理》在线作业1答案
14秋《数字图像处理》在线作业1
一,单选题
1. 数字图像是指由被称作像素的小块区域组成的二维矩阵。
将物理图像行列划分后，每个小块区域称为（）。
A. 像素
B. 分辨率
C. 子图
D. 直方图
?
正确答案：A
2. DFT是（）的缩写。
A. 傅里叶级数
B. 傅里叶变换
C. 离散傅里叶级数
D. 离散傅里叶变换
?
正确答案：D
3. 一幅大小为640×480的图像，其分辨率为（）。
A. 640
B. 480
C. 30.72万
D. 30万
?
正确答案：D
4. 如果一幅大小为128×256的图像要存储，每个像素用4bit编码，则存储空间需要多大？
A. 32768bit
B. 512bit
C. 1024bit
D. 131027bit
?
正确答案：D
5. 在RGB加色混色系统中，红色+蓝色得到的是（）。
A. 黄色
B. 绿色
C. 品红
D. 白色
?
正确答案：C。
数字图像处理作业1
数字图像处理课程论文1 图像增强算法仿真及其分析摘要图像增强是一种通过有选择地强调图像中某些信息和抑制另外一些信息以改善图像视觉效果的技术图像增强算法主要包括空间域和变换域两种。
本文主要基于空间滤波器和频率滤波器对含有不同的噪声的图像进行滤波处理并利用细节方差和峰值信噪比两个客观指标对处理后的图像进行仿真通过对比分析得出不同滤波器的去噪性能。
关键词滤波图像增强细节方差峰值信噪比图像增强的主要目的是提高图像的质量根据目前的研究现状图像增强的方法大致分为两类一类是空域处理方法一类是频域的处理方法。
空域法是直接对图像的像素进行处理基本上是以灰度映射为基础的所用的映射变换取决于图像的特点和增强的目的频域法是在图像的某种变换域内对变换后的系数经过一定的规则进行运算接着反变换到原来的空域得到增强的图像。
本文主要介绍了ILPF、BLPF和GLPF三种频域滤波器以及中值、算术均值和几何均值滤波器的原理简要阐述了高斯噪声和椒盐噪声的模型并采用这两类滤波器对含有噪声的图像按峰值信噪比和DV-BV两个评价指标进仿真分析。
1空间域增强滤波空间域增强是指增强构成图像的像素。
空间域方法是直接对这些像素操作的过程。
空间域处理可由下式定义gxyTfxy 1-1 其中fxy是输入图像gxy是处理后的图像T是对f的一种操作其定义在xy的领域。
11中值滤波中值滤波器是最著名的滤波器其原理是利用像素的相邻像素的灰度中值来替代该像素值其一般表达式为fxy median gst st∈Sxy 1-2 33模板中值滤波中将中间的像素值102替换其领域内的像素值同理55模板也类似。
数字图像处理课程论文2 图1 33和55维的中值滤波原理图12算术均值滤波算术均值滤波器是最简单的滤波器Sxy 表示中心在点xy处尺寸为mn的矩形子窗口的坐标组。
算术均值滤波过程就是计算由Sxy定义的区域中被干扰图像gxy的平均值。
在任意点xy处复原图像f的值就是用Sxy 定义的区域的像素计算出来的算术均值。
数字图像处理作业题
数字图像处理作业题1.以下是一个32级灰度图像（0表示黑色），其中包含了在灰色开始背景上的, 帶有一个白色标记的，直径是12英寸的黑色留声机唱片。
下面给出了图像的直方图。
试问象素间的间距是多大标记的尺寸長多大[0000 100 200 2000 6000 2000 200 100 0 0 200 3000 9000 3000 200 0 0 50 100 400 100 50 0 0 0 0 0 0 0]解：像素数乘以像素间距的平方等于物体的面积（S）。
表示唱片的像素总数：100+200+2000-6000+2000+200+100+200+50+100+400+100 +50=11300S=J2X113OO=^X62d=（英寸）表示白色标记的像素数为：50+100+400+100+50=700S-d2 x 700 = 7rxr2r=（英寸）2.下面给出了在黑色背景上的白色台球的20级灰度图像的直方图0表示黑色），这个球長用每立方厘米克的材料制成的。
象素间距長1mm。
试问球的重量是多少[0 100 500 3000 9000 3000 500 200 100 200 300 500 627 500 300 200 100 0 0 0]解：由直方图可知，表示台球的像素数为：100+200+300+500+627+500+300=200+100=2827S=J2 x 2827 = 7rxr2r=3cm4球的质呈为：M =—加"x 1.5 = 169.6（g）原题：下面给出了在黑色背景上的白色台球的20级灰度图像的直方图0表示黑色），这个球是用毎立方厘米克的材料制成的。
象素问距是山叭试问球的重量是多少[0 200 500 3000 9000 3000 500 200 100 200 300 500 627 500 300 200 100 000]3.图像平滑的直观依据長什么不同的平滑方法是如何看待噪音并使用了何种改进以尽量降低其对边缘的模糊对于平滑的快速性和边缘保持，你有何见解解：图像在生成和传输过程中常受到各种噪声源的干扰和影响而使图像处理效果变差，反映在图像上，桌声使原本均匀和连续变化的灰度突然变大或减小，形成一些虚假的物体边缘或轮廓。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数字图像处理报告标题：01报告编号：课程编号：学生姓名：截止日期：上交日期：摘要（1）编写函数计算灰度图像的均方误差（MSE）、信噪比（SNR）、峰值信噪比（PSNR）、平均绝对误差（MAE）；（2）编写函数对灰度图像经行降采样，直接消除像素以及消除像素前进行简单平滑滤波；（3）编写函数对图像进行放大，分别使用像素直接复制和双线性插值的方法：（4）编写函数用题目给出的量化步骤Q去量化灰度图像，并给出相应的MSE和直方图；（5）编写函数对灰度图像执行直方图均衡化，显示均衡前后的直方图。
同时，熟悉使用MATLAB，并且熟练操作对图像进行各种修改变换等。
KEY WORD :MATLAB MSE、PSNR 直方图量化技术探讨数字图像处理是基于Matlab来实现的，由于Matlab 独特的功能和对矩阵，图像，函数灵活的处理，因而用于图像的处理相当的方便。
task1均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）。
可以使用使用for循环语句，分别计算图像MSE/SNR/PSNR/MAE，具体的计算公式见附录代码，下面只附运算原理代码均方误差（MSE）：sum=sum+(a(i,j)-b(i,j))^2; MSE=sum/(M*N)信噪比（SNR）：sum2=sum2+a(i,j)^2; SNR=10*log10(sum2/MSE)峰值信噪比（PSNR）：sum=sum+(a(i,j)-b(i,j))^2; PSNR=10*log10(255^2/MSE)平均绝对误差（MAE）：sum=sum+a(i,j)+b(i,j); MAE=sum/(M*N)在每次对同一个图像处理时它们的均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）都会有所不同，因为它是原图像与加噪后的图像比较，而电脑的每次操作都会对加噪过得图像有影响。
task3按比例缩小灰度图像（1）直接消除像素点：I1=g(1:m:end,1:m:end);I1 为缩小后的图像，g为原图。
（2）先平滑滤波再消除像素点：滤波函数，g=imfilter(I,w,'corr','replicate');task4对图像的放大运用了pixel repetition法以及双线性插值法：它有三种插值法：即最近邻插值（pixel repetition）、双线性插值、双三次插值(缩放倍数为0.5) ;缩放与放大由给定的参数来确定。
;缩放与放大由给定的参数来确定。
而缩小则同样适用I1=g(1:m:end,1:m:end);而放大的代码为“J=imresize(I,m,'nearest');%使用pixel repetition法”和“J=imresize(I,m,'bilinear');%使用双线性插值法”放大倍数更改m值即可task4对图像的量化，使用“J=histeq(I,x); ”，x为可变的量化步长task5灰度图像的量化和直方图均衡化直接调用函数。
“J=histeq(I)”“imhist(I,64)”结果：图像的结果Task1mse =0.0426psnr =61.8377SNR =68.5982MAE =262.2853mse =0.0443psnr =61.6711SNR =73.3907MAE =262.2102处理给定的测试图像“Lena”，以其原始的形式和加过噪声之后的形式。
（用其他图像代替）Task2编写MATLAB函数通过两种不同的方法抽取一幅灰度图像从原来的大小到给定的输出尺寸: （用其他图像代替）处理给定的测试图像“Living Room”，按给定比例系数缩小：2:1, 4:1, 8:1，16:1 (a)直接消除像素(b)消除像素前进行初步的图像滤波)Task3编写MATLAB函数通过两种不同的方法放大一幅灰度图像从原来的大小到给定的输出尺寸(a)像素重复(b)双线性插值[内插]用上述方法将Task 2放大回原尺寸并对使用MATLAB方法对原图像以及放大后的图像计算均方误差和峰值信噪比(a)像素重复2:1 时MSE = 2.6753e+003 PSNR =13.85714:1 时MSE =2.4600e+003 PSNR =14.22148:1 时MSE =2.4696e+003 PSNR = 14.204516:1 时MSE =2.0887e+003 PSNR =14.9321(b)双线性插值[内插]2:1 时MSE = 3.3733e+003 PSNR =12.85034:1 时MSE =2.6291e+003 PSNR =13.93278:1 时MSE =2.4658e+003 PSNR =14.211316:1 时MSE =2.4248e+003 PSNR =14.2840在相同尺寸减少率下，确定哪些组合缩小/放大的方法能提供最小均方误差以及最大峰值信噪比最小均方误差最大最大峰值信噪比(a)像素重复16:1 时MSE =2.0887e+003 PSNR =14.9321(b)双线性插值[内插]16:1 时MSE =2.4248e+003 PSNR =14.2840Task4编写MATLAB函数以量化步长Q来量化(数字转换)灰度图像。
以量化步长Q=2, 4, 8 16, 32, 64, 128 处理给定的测试图像“Lena”（用其他图像代替）不同量化步长Q量化后的图像的对比对每一个量化步长显示量化的图像以及它相应的直方图。
显示测试图像及其直方图。
量化后的图像的直方图对比Q=2 Q=4Q=8 Q=16Q=32 Q=64Q=128对Task 1用MATLAB编写的方法计算原始以及量化（数字转换）图像的均方误差Q=2 时 MSE=8.6904e+003Q=4时 MSE=6.7394e+003Q=8时 MSE=5.3419e+003Q=16时 MSE=4.8395e+003Q=32时 MSE=4.7529e+003Q=64时 MSE=4.7060e+003Q=128时MSE=4.6526e+003Task5编写MATLAB函数对图像“ Fig0316(1)(top_left)” 和图像“ Fig0316(4)(bottom_left)”分别地进行直方图均衡，并在直方图均衡前后显示图像的直方图（用其他图像代替）结果探讨Task1在每次对同一个图像处理时它们的均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）都会有所不同，因为它是原图像与加噪后的图像比较，而电脑的每次操作都会对加噪过得图像有影响。
给原图像加入高斯噪音，则可看出SNR与PSNR的变化，因为其实评价噪声的；MSE可以评价数据的变化程度，MSE的值越小，说明数据具有更好的精确度。
MAE是将各次测量的绝对误差取绝对值后再求平均值。
Task2对原图像直接消除像素的降采样和经过平滑滤波后得到的降采样采样对比来看，经过平滑滤波后，图像模糊一些，但灰度值变化更加平滑，整体效果好于直接消除像素Task3pixel repetition(像素重复)和双线性插值法对图像的缩放，其处理效果相近，但从MSE和PSNR值来看，双线性插值法更好。
但运算时间较长将缩小后的图像再放大，还原效果都较好Task4可以看出，对图像进行量化后，随着量化步长越大，图像越接近原图；当Q=2时，图像几乎全白，而直方图灰度值也极端的集中在0和250两个值上。
随着量化步长增加，图像细节几个方面均有明显转变，而直方图灰度值也逐渐向着整个灰度级数覆盖，最后集中于10到250之间Task5第一幅图，绘制其直方图可以看到直方图灰度值主要集中在100到150之间，均衡化后灰度值覆盖整个灰度级数。
第二幅图图相比相对亮一些，绘制其直方图可以看到直方图灰度值主要集中在60到120以及200到250之间，均衡化后灰度值覆盖整个灰度级数。
附录：程序列表第一题：均方误差（MSE）：sum=sum+(a(i,j)-b(i,j))^2; MSE=sum/(M*N)峰值信噪比（PSNR）sum=sum+(a(i,j)-b(i,j))^2; PSNR=10*log10(255^2/MSE) 计算MSE; PSNR;clear all;close all;I=imread('C:\Users\Dark Selee\Desktop\bbpg'); %录入图像figure(1),imshow(I);X=rgb2gray(I); %将真彩色图像转换为灰度图像。
[height width]=size(X);X=im2double(X);A=imnoise(X,'gaussian',0,0.05); %加高斯噪声figure(2),imshow(A);%利用两组for循环，即可实现计算sigma1=0;for i=1:heightfor j=1:widthsigma1=sigma1+(X(i,j)-A(i,j))^2;endendmse=(sigma1/(height*width)) %均方误差psnr=10*log10((255^2)/mse) %峰值信噪比信噪比（SNR）sum2=sum2+a(i,j)^2; SNR=10*log10(sum2/MSE)计算SNR;clear all;close all;J=imnoise(I,'gaussian'); %加噪声a=double(I);b=double(J);[M,N]=size(I);sum=0;%先计算出MSEfor i=1:M;for j=1:N;sum=sum+(a(i,j)-b(i,j))^2;end;end;MSE=sum/(M*N)sum2=0;%同上，利用两组for循环，即可实现计算for i=1:M;for j=1:N;sum2=sum2+a(i,j)^2;end;end;SNR=10*log10(sum2/MSE)平均绝对误差（MAE）sum=sum+a(i,j)+b(i,j); MAE=sum/(M*N)计算MAE;J=imnoise(I,'gaussian'); %加噪声a=double(I);b=double(J);[M,N]=size(I);sum=0;for i=1:M;for j=1:N;sum=sum+a(i,j)+b(i,j);end;end;MAE=sum/(M*N)处理给定的测试图像，以其原始的形式和加过噪声之后的形式clear all;close all;I=imread('C:\Users\Dark Selee\Desktop\aa.jpg'); %读入图像figure(1),imshow(I);X=rgb2gray(I); %将真彩色图像转换为灰度图像。